电子书

Forrester 调查发现，实时数据库可用于机器学习模型

Use Real-Time Databases for Machine Learning Models, Forrester Survey Finds

Forrester Consulting 机会快照，由 Redis 赞助 Labs

Redis Labs 委托 Forrester Consulting 对负责 ML/AI 运营策略的 IT 决策者进行了调查。该研究表明，IT 决策者认为他们目前的数据架构无法满足未来的模型推理挑战。需要一个现代的 AI 基础设施来加速 ML 生命周期，改善数据科学家和 ML 工程师之间的互动，最重要的是提高 ML 的准确性。

这种现代 AI 基础设施包括多个组件，而 Redis 在在线特征的低延迟存储和服务方面发挥着关键作用。

该研究的一些主要见解包括

决策者正在全力以赴地使用 ML 来创建 AI 应用程序，但一些关键障碍阻碍了他们实现所需的转型。超过 40% 的人同意他们的架构不适合未来。
对实时模型推理（在生产环境中使用 ML 模型）的旺盛需求暴露了当前架构在准确性、延迟和可靠性方面面临的重大挑战。
在数据存储的数据库中运行 ML 模型推理可以解决一些关键挑战。

立即下载

本报告中图片的再利用必须链接到此页面作为来源

亮点

图片再利用必须链接到此页面作为来源

38% of leaders are developing roughly a third of models on the real-time spectrum

来源：“将 ML 模型部署到内存数据库以实现闪电般的性能”，Forrester Consulting 机会快照，由 Redis Labs 委托，2021 年 6 月

Redis 作为在线特征存储

特征存储正在成为当今任何 ML/AI 架构中重要的组成部分。特征存储允许您构建和管理机器学习训练阶段（离线特征存储）和推理阶段（在线特征存储）的特征，以确保最高的模型质量。在本届 RedisConf 2021 大会上，您将了解特征存储在 ML/AI 堆栈中的重要性，以及如何更好地利用 Redis 和 Redis Enterprise 来提高模型质量并加速 AI/ML 推理。

如何在组织中嵌入 AI

市场需求和技术进步使得人工智能 (AI) 成为一个有吸引力和令人兴奋的新领域，但对于大多数组织而言，它仍然难以触及。对于努力利用 AI 潜力、减轻其负面影响并授权团队使用这些新工具的领导者来说，存在许多数据挑战。

立即下载